基于自商图像的人脸图像增强

施水才，杨忱，王涛，吕学强

1.北京信息科技大学 中文信息处理研究中心，北京 100101 2.北京拓尔思信息技术股份有限公司，北京100101

基于自商图像的人脸图像增强

施水才1，2，杨忱1，王涛1，2，吕学强1，2

1.北京信息科技大学 中文信息处理研究中心，北京 100101 2.北京拓尔思信息技术股份有限公司，北京100101

1 引言

人脸识别技术是计算机视觉和模式识别领域的中一个重要研究课题，而且在身份认证、智能监控、电子商务等领域有着广泛的应用前景。在实际情况下，人脸识别的效果易受光照和姿态等因素的影响。在很多情况下，由于光照引起的图像变化比不同身份的引起的变化要更显著，因此，光照问题是人脸识别中的重点和难点问题之一。

目前，典型的处理光照的方法有商图像法[1-2]、光椎体法[3]和球谐函数[4-5]法等。其中商图像法与其他方法相比，不需要构建人脸的三维模型，计算量小，更适合在实际中应用。商图像法有前提条件：假设物体的三维形状相同，纹理不同；要求物体是凸朗伯表面，忽略镜面反射和阴影。这些假设条件在实际应用中，很难完全满足。王海涛[6]等分析了Retinex算法[7]像的关系后，提出了自商图像。自商图像的特点是只需要一幅图像，不需要预先训练；没有额外的假设条件，但是容易受到高频噪声的影响。

本文基于自商图像的方法，结合反锐化掩模滤波[8]多层次自商图像的方法，将每次得到的反射系数按比例进行融合。实验结果表明，本文方法能够一定程度上去除高频噪声的影响，使得人脸识别效果有所提高。

2 自商图像

2.1 反射-光照模型

反射-光照模型理论将原始图像分解为光照图像和反射系数图像两部分。

其中，I(x，y)是原始图像，R(x，y)是反射系数，L(x，y)是光照成分。反射系数是物体本身的属性，反映了物体的纹理特征，是识别所需要的。

经典的Retinex算法假设光照成分在这个图像中是平滑的，变化是缓慢的，对应图像的低频分量；反射系数在区域内是平滑的，在边界变化是剧烈的，对应图像的高频分量。Retinex算法把对原始图像进行低通滤波后的图像作为光照成分，因此

其中，F是低通滤波核。滤波核过大，则在估计出的反射系数中，边缘附近会出现光晕现象；如过小，则会丢失反射系数中的信息。

为了方便计算，令

2.2 自商图像

王海涛等提出的自商图像方法采用加权的高斯滤波器进行各向异性滤波，具体步骤如下：

（1）选择不同尺度的高斯核Gi，和对应的权值Wi。

（2）对原图1进行平滑滤波，得到光照成分Li。

（3）根据公式计算反射系数Ri。

（4）为了降低高频噪声的干扰，引入非线性变换：

（5）对各个尺度下的的自商图像计算加权和：

图1 自商图像效果图

2.3 多层次的自商图像

从图1中可以看出，在原图阴影区域中，可能会存在一定的高频噪声，使得提取的反射图像不是特别理想。平滑处理可以有效地减少这些噪声。因此，将光照成分L作为原图再进行一次自商，得到新的光照成分L′和反射系数R′，效果如图2。

可见，对光照成分再次自商得到的反射图像的噪声有所减少。因此，采用多层次自商的方法，可以在一定程度上消除高频噪声的影响。但是随着层数的的增多，高亮度部分的细节会逐渐减少。因此，将用原图像取反，对取反图像也使用多层自商图像的方法获取高亮度部分的细节信息。取反图像自商图像效果图，如图3。

图2 多层次自商图像效果图

图3 取反图像自商图像效果图

3 反锐化掩模滤波

对于滤波后的图像L通常是模糊的，为了能更好地保留细节信息，通过反锐化掩模滤波的方法进行图像的细节增强。反锐化掩模的滤波效果，如图4。

图4 反锐化掩模滤波效果图

反锐化掩模滤波的原理，是将原图像的高频成分加到原图中来获得增强图像。

其中，I′是增强图像，I是原图，H是高频成分，λ是增强系数。

高频成分H又可以表示成原图与低频成分的差，即

4 反射系数融合

本文将多层次自商图像所得的反射系数按照公式融合：

其中，Ri表示第i层所得的反射系数，λi是权重，满足本文方法的设计流程：

（1）将原图作为输入图像I和取反图像I′。

（2）通过公式（8）对I和I′进行反锐化掩模滤波,得到增强图像H和H′。

（3）对进行高斯平滑H和H′，获得低频光照图像Li和。

（4）通过公式（2）自商图像，得到反射系数Ri和Ri'。

（5）令输入图像I=Li，I′=。

（6）循环执行（2）到（5）n次。

（7）通过公式（9）得到的反射系数R和R′，将R和R′融合，得到最终的反射系数。

本文方法的增强效果，如图5。

图5 本文方法增强效果图

5 实验结果与分析

本文实验所用的图像来自YaleB人脸库[9]，包含10个人共5 850幅图像。实验共分10组，每组每个人随机选出一张图像作为训练图像，剩余的作为检测图像。采用PCA和Sift两种方法，实验结果如图6和图7。

图6 PCA实验结果

实验结果表明，自商图像的方法可以有效地去除光照的影响，本文方法可以在一定程度上弥补自商图像方法的不足，因此效果稍好。由图7可以看出，自商图像方法获得的反射图像的纹理不够连续，因此使用Sift特征的效果有时不如原图，改进后基本上可以消除这类效果。

图7 Sift实验结果

6 结束语

为了降低光照对人脸识别的影响，本文基于自商图像，结合反锐化掩模滤波，采用了多层次自商图像并融合反射系数的方法。与自商图像相比，本文方法能够去除高频噪声的影响。实验结果表明，本文方法处理后，识别效果比传统自商图像要好。但是，光照造成的影响不能完全消除，特别是在影子的边缘无法去除，如何处理还有待今后进一步研究。

[1]Riklin-Raviv T，Shashua A.The quotient image：class-based re-rendering and recognition with varying illumination conditions[J].IEEE Transaction on Pattern Analysis and Machine Intelligence，2001，23（2）：129-139.

[2]Shashua A.On photometric issues in 3D visual recognition from a single 2D image[J].International Journal of Computer Vision，1997，21（1/2）.

[3]Georghiades A S，Belhumeur P N，Kriegman D J.From few to many：illumination cone models for face recognition under variable lighting and pose[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2001，23（6）：643-660.

[4]Ramamoorthi R，Hanrahan P.On the relationship between radiance and irradiance：determining the illumination for images of a convex Lambertian object[J].Journal of the Optical Society of America，2001，18（10）.

[5]Wen Z，Li U Z，Huang T.Face relighting with radiance environment maps[C]//Proceedings of International Conference on Computer Vision and Pattern Recognition，2003，2：158-165.

[6]Wang H，Li S，Wang Y.Face recognition under varying lighting conditions using self quotient image[C]//Proceedings of the 6th IEEE International Conference on Automatic Face and Gesture Recognition，2004：819-824.

[7]Land E，McCann J.Lightness and retinex theory[J].Journal of the Optical Society of America，1971，61（1）：1-11.

[8]Leu J G.Edge sharpening through ramp width reduction[J].Image and Vision Computing，2000，18（6/7）：510-514.

[9]Luo J，Oubong G.A comparison of SIFT，PCA-SIFT and SURF[J]. International Journal of Image Processing，2009，3（4）：143-152.

SHI Shuicai1，2,YANG Chen1,WANG Tao1，2,LV Xueqiang1，2

1.Chinese Information Processing Research Center,Beijing Information Science and Technology University,Beijing 100101,China
2.Beijing TRS Information Technology Co.,Ltd.,Beijing 100101,China

In order to reduce the light on the face recognition effect,a method of obtaining reflection coefficient through the multi-level self-quotient image is proposed.Firstly,source image as input image is enhanced through the method of non-linearity unsharp masking.It can get reflection coefficient and light component through self-quotient image method.Then,the paper takes the light component as a new input image and repeats the above operations.Finally,it can obtain the final reflection coefficient after all reflection coefficients got in each level is fusion.The results on YaleB face database show that the method can remove the influence of light,make the face recognition rate has improved to a certain extent.

lambertian reflectance model;self-quotient Image;non-linearity unsharp masking

为了降低光照对人脸识别效果的影响，通过多层次自商图像的方法获得反射系数。将原图作为输入图像采用反锐化掩模滤波的方式进行增强，再通过自商图像方法获得反射系数和光照成分；把光照成分作为输入图像，重复以上操作，对每次得到的反射系数按比例融合得到最终的反射系数。YaleB人脸库上的实验结果表明，该方法能在一定程度上去除光照的影响，使人脸识别率有一定的提高。

反射光照模型；自商图像；反锐化掩模滤波

A

TP751

10.3778/j.issn.1002-8331.1111-0011

SHI Shuicai,YANG Chen,WANG Tao,et al.Face image enhancement based on self-quotient Image.Computer Engineering and Applications,2013,49（13）：142-144.

国家自然科学基金（No.60872133）；北京市自然科学基金（No.4092015）；北京市教委科技发展计划项目（No.KM201110772021）；国家科技支撑计划课题（No.2011BAH11B03）。

施水才（1966—），教授，主要研究方向：中文和多媒体信息处理，信息检索；杨忱（1985—），硕士生，主要研究领域为数字图像处理，图像检索。E-mail：yangchen49781932@sina.com

2011-11-10

2012-01-17

1002-8331（2013）13-0142-03

CNKI出版日期：2012-04-25http://www.cnki.net/kcms/detail/11.2127.TP.20120425.1722.079.html